ruby + nokogiri实现将天涯易读全帖转换成txt文件的功能
YiduFreeTxt 0.1beta版发布
天涯易读网站原本是有提供下载全帖txt版本的功能的,但是该功能需要易读积分,这对于从来不登陆易读的笔者来说,无疑是一件不可能完成的任务。
于是随手写了个免费将易读全贴转换成txt文件的小工具,一来自娱自乐,二来献给老婆。因为老婆最近都在易读追帖,一天花掉30M的流量,让亲者痛,仇者快(好吧,我是亲者,移动是仇者)。
自从有了YiduFreeTxt,哪里要看点哪里,一键转成txt,老公再也不用担心我的流量了。
一些必要的说明
YiduFreeTxt使用ruby192开发,所以没有安装ruby的同学,或者ruby版本不符的同学可能没有办法进行试用。
YiduFreeTxt使用nokogiri库进行html的解析,请确保你的本地gem安装了nokogiri扩展。若没有,请输入命令 gem install nokogiri。
由于作者的不勤奋及时间关系,YiduFreeTxt要求大家输入天涯易读帖子url中的article id,不是直接输入url。举例来说,下面这个帖子
http://tianyayidu.com/article-a-102005.html中的102005就是该帖子的article id,使用时请注意。
关于代码
这里贴出该工具的相关代码,供有兴趣的同学研究。为什么没有一行注释?没办法,作者太懒,什么注释都没留下。
require 'rubygems'require 'nokogiri'require 'open-uri'require 'logger'class String def br_to_new_line self.gsub('<br>', "\n") end def strip_tag self.gsub(%r[<[^>]*>], '') endend #Stringmodule YiDu class UrlBuilder attr_reader :domain, :id, :article attr_reader :end_type def initialize id @domain = %q[http://tianyayidu.com/] @article = 'article' @end_type = '.html' @id = id.to_s end def article_url @domain + @article + '-'+ id + @end_type end #article_url def build_article_url page page = page.to_s "#{@domain}#{@article}-#{@id}-#{page+@end_type}" end #build_article_url end #UrlBuilder class ContentWorker attr_reader :url, :doc, :retry_time attr_accessor :page_css, :content_css class << self def log=(log_file) @@log = log_file end #log= def log @@log end end #class def initialize url @url = url define_max_retry_time define_page_css define_content_css get_nokogiri_doc exit if @doc.nil? log_or_output_info end #initialize def log_or_output_info msg = "processing #{@url}" if @@log @@log.debug msg else puts msg end #if end #log_or_output_info def get_nokogiri_doc times = 0 begin @doc = Nokogiri::HTML(open(@url).read.strip) rescue @@log.error "Can Not Open [#{@url}]" if @@log times += 1 retry if(times < @retry_time) end #begin end #get_nokogiri_doc def define_max_retry_time @retry_time = 3 end #define_max_retry_time def define_page_css @page_css = %q[div.pageNum2] end def define_content_css @content_css = %q[li.at.c.h2] end #define_content_css def total_page page = '' doc.css(page_css).each do |p| m = p.content.match(/\d+/) page = m[0] if m end #each page.to_i end #total_page def build_content &blk @doc.css(@content_css).each do |li| if block_given? blk.call(li.to_html.br_to_new_line.strip_tag) else puts li.to_html.br_to_new_line.strip_tag end #if end #each end #build_content end #ContentWorker class IoFactory attr_reader :file def self.init file @file = file if @file.nil? puts 'Can Not Init File To Write' exit end #if File.open @file, 'a' end end #IoFactory class Runner attr_reader :url_builder, :start_url attr_reader :total_page, :file_to_write def initialize id init_logger @url_builder = UrlBuilder.new(id) get_start_url get_total_page create_file_to_write id output_content end #initialize def self.go(id) self.new(id) end def create_file_to_write id file_path = File.join('.', id.to_s.concat('.txt')) @file_to_write = IoFactory.init(file_path) end #create_file_to_write def init_logger logger_file = IoFactory.init('./log.txt') logger = Logger.new logger_file ContentWorker.log = logger end #init_logger def get_start_url @start_url = @url_builder.article_url end #get_start_url def get_total_page @total_page = ContentWorker.new(@start_url).total_page if @total_page.nil? puts 'Can not get total page' exit end #if end # get_total_page def output_content @total_page.times do |part| a_url = @url_builder.build_article_url(part+1) ContentWorker.new(a_url).build_content do |c| @file_to_write.puts c @file_to_write.puts '*' * 40 end # build_content end #times end #output_content end #Runnerend #YiDuinclude YiDuid = 102005Runner.go id